Согласно результатам исследования, проведенного ФГБУ ВНИИ труда Минтруда России в целях определения компетенций работников, возникающих в результате применения технологий ИИ, доля организаций, применяющих в настоящее время какие-либо технологии ИИ, существенно дифференцируется в зависимости от отрасли. Наибольшее число организаций, использующих в своей деятельности ИИ, — в сфере ИТ (88%). Об особенностях применения ИИ в ИТ-отрасли мы поговорили с представителем компании «1С-Рарус»1 Анзором Балкаровым, руководителем лаборатории искусственного интеллекта компании, а также с представителями компании «Ай-ФОРС»2 Сергеем Кондаковым, ведущим экспертом по технологиям, и Сергеем Мамчуром, руководителем проектов.
— Добрый день, коллеги, расскажите, пожалуйста, какие бизнес-процессы, связанные с видами деятельности в ИТ, в вашей компании автоматизированы с помощью ИИ.
Анзор Балкаров: В «1С-Рарус» мы начали развивать компетенции в речевых технологиях еще до массового распространения генеративных ИИ-моделей. Сначала это позволило запустить внутрикорпоративный сервис распознавания речи, а затем вывести его на рынок.
Сейчас ИИ используется в нескольких направлениях: ▪ распознавание встреч, звонков, голосовых сообщений и подготовка материалов по итогам встреч (протоколов, писем, требований, кратких итогов и т. д.); ▪ речевая аналитика звонков для анализа качества коммуникаций и поддержки облачных сервисов, направленная на снижение ручной нагрузки операторов на типовых и рутинных вопросах; ▪ применение локальных LLM-моделей для обработки данных в управленческих и внутренних информационных системах.
Сергей Кондаков: В нашей компании ИИ широко применяется для автоматизации бизнес-процессов в таких видах деятельности, как: ▪ обслуживание пользователей (Helpdesk): автоматические ответы, чатботы; ▪ отслеживание изменений требований заказчиков и НПА в рамках проектов; ▪ разработка документации; ▪ тестирование.
— Как изменились ключевые показатели эффективности (время выполнения задач, снижение затрат, производительность и т. д.) после внедрения ИИ?
А. Б.: Если раньше после часовой встречи нужно было возвращаться к записи, переслушивать фрагменты и вручную собирать итоговый документ, то сейчас подготовка и проверка протокола обычно занимает до 15 минут. Сотрудник проверяет полученную расшифровку, принимает протокол и при необходимости рассылает его участникам.
При этом эффект не только во времени. Увеличилась доля сохраненной управленческой информации: встречи, звонки и голосовые сообщения превращаются в текст, к которому можно вернуться, использовать его для последующего анализа и обработки. Сценарии применения вышли за рамки обычных встреч. Мы используем распознавание речи для звонков, голосовых сообщений в мессенджерах, подготовки субтитров к обучающим вебинарам на разных языках, а также для диктовки объемного текста в отраслевых решениях «1С-Рарус».
Отдельный эффект дают локальные LLM-модели. Например, в сервисе подбора исполнителей по задачам они помогают преобразовывать описания кандидатов и вакансий, на сайтах компании используются для подготовки меток, а по ряду задач применяются для код-ревью и проверки на соответствие стандартам разработки. Также сотрудники уже используют ИИ в привычных и типовых рабочих сценариях: для обработки текста, подготовки скриптов, демостендов и прототипов.
ИИ в этих сценариях не заменяет сотрудника полностью. Он забирает на себя часть рутинной подготовки и первичной обработки, а человек остается в роли проверяющего, принимающего решение и отвечающего за итоговый результат.
Сергей Мамчур: В компании «Ай-ФОРС» мы наблюдаем значительную экономическую эффективность от внедрения ИИ. Так, в течение двух последних календарных кварталов производительность труда сотрудников компании выросла на 20–25% в зависимости от категории задач.
— В каких направлениях внедрение ИИ пока не дало ожидаемого эффекта и почему?
С. М.: Мы пока не столкнулись с такими ситуациями. Наверно, это связано с тем, что мы стараемся максимально использовать опыт коллег и внимательно относимся к публикациям на тему внедрения ИИ в ИТ-сфере.
Скорее, нужно говорить не о направлениях внедрения ИИ, а об ограничениях самих ИИ-моделей. В силу специфики деятельности мы вынуждены ориентироваться на открытые модели с размещением на собственных мощностях компании, и здесь мы не всегда можем получить желаемое качество результата работы ИИ-ассистента. Но мы считаем эту проблему временной в связи с ускоренным развитием рынка ИИ-моделей.
А. Б.: Как показывает опыт нашей компании, ожидаемый эффект от ИИ пока не всегда достигается в задачах распознавания документов, особенно рукописных. Качество результата сильно зависит от качества сканирования, почерка, разметки, отраслевой специфики и сложности самих документов.
Второе направление — ассистенты и помощники подбора ответов. Если в базе знаний нет нужной специфики или материалы еще не приведены к форме, пригодной для поиска и генерации ответа, ассистент выдает недостаточно точный результат.
Этот опыт показал, что слабый результат не всегда связан только с качеством модели. Часто причина в исходных данных, документах, структуре базы знаний и готовности процесса к автоматизации. Поэтому для таких сценариев мы параллельно развиваем сервис накопления базы знаний. Он наполняется в полуавтоматическом режиме, но с обязательной верификацией со стороны владельцев знаний. ИИ не отменяет работу с содержанием, а требует более аккуратной подготовки данных и материалов.
— Есть ли функции, где использование ИИ экономически нецелесообразно?
А. Б.: Да, такие сценарии есть. Использование ИИ не всегда экономически оправдано там, где модель пока не дает достаточного качества результата, например при распознавании сложных или рукописных документов.
Также ИИ может быть нецелесообразен в процессах с небольшой нагрузкой, где действия оператора уже выполняются быстрее и надежнее за счет существующего функционала 1С. В таких случаях стоимость внедрения ИИ, сопровождения и контроля качества может быть выше, чем практический эффект от автоматизации.
Мы исходим из того, что ИИ должен применяться там, где есть понятная бизнес-задача, достаточный объем данных, повторяемый процесс и измеримый эффект. Иначе внедрение может выглядеть технологически интересно, но не давать экономического результата.
С. К.: Прежде всего это управленческие задачи, связанные с принятием решений, там, где присутствует риск для бизнеса и высокая степень персональной ответственности за результат.
— Поговорим о рынке труда и структуре занятости. Какие роли/позиции из сферы ИТ в вашей компании сократились или трансформировались из-за ИИ за последние 2–3 года?
С. К.: Наша компания «Ай-ФОРС» начала внедрение ИИ в производственные процессы сравнительно недавно, и мы стараемся максимально сохранить наш кадровый состав. Поэтому правильнее говорить не о сокращении позиций, а стремлении внедрить ИИ с целью снижения себестоимости наших продуктов и услуг, повышения качества результатов труда.
А. Б.: За последние 2–3 года существенного сокращения ИТ-ролей из-за ИИ в компании «1С-Рарус» мы не фиксируем. Изменения идут не через замещение людей, а через трансформацию инструментов и набора навыков.
Для ИТ-специалистов все более важным становится умение использовать ИИ как рабочий инструмент: формулировать запросы, проверять результат, применять его в проектной и продуктовой работе.
ИИ не отменил текущие профессии, но начал менять требования к эффективности внутри этих профессий.
— Какие новые роли в сфере ИТ появились?
С. М.: Мы отмечаем появление следующих новых ролей:
• специализация в части MLOps /
ML Platform Engineering — развертывание, мониторинг и масштабирование моделей;
• AI product management — формирование продуктовых требований к ИИ или к продуктам, где на ИИ ключевой функционал;
• специализация в области наблюдаемости моделей (Model Observability) — метрики производительности моделей, мониторинг данных;
• специализация в сфере автоматизации рабочего процесса (Automation/AI
Integrations): интеграция ИИ в бизнес-процессы;
• специализация в области безопасного внедрения ИИ (AI Security / Compliance): оценка уязвимостей моделей и соответствие требованиям регуляторов.
А. Б.: В нашей компании создано отдельное подразделение — Лаборатория ИИ. В нем работают разработчики, ML-инженеры и другие специалисты, которые занимаются созданием и внедрением ИИ-продуктов.
Роль Лаборатории ИИ двойная. С одной стороны, это центр экспертизы для внутренних задач компании. С другой, команда, которая развивает ИИ-сервисы для клиентов и встраивает их в существующие решения «1С-Рарус».
Кроме того, постепенно усиливается роль специалистов, которые находятся на стыке предметной области, ИТ и ИИ. Это люди, которые могут не только использовать модель, но и понять, какой процесс стоит автоматизировать, какие данные нужны, как проверить качество результата и как встроить решение в реальную работу компании.
— По вашему мнению, какие профессии в сфере ИТ останутся устойчиво востребованными в горизонте 3–5 лет?
А. Б.: Архитекторы, отраслевые эксперты высокого уровня, продавцы для крупных клиентов.
С. К.: Большинство профессий, традиционно задействованных в процессе производства ПО, сохранятся, изменятся функции специалистов в рамках профессии — человек получит в поддержку эффективные ИИ-инструменты, и навыки работы с ними будут определяющими в части обеспечения высокой производительности его труда. В списке востребованных профессий можно прогнозировать сохранение таких специальностей, как: ▪ бизнес-аналитик/постановщик; ▪ DevOps инженер; ▪ системный архитектор; ▪ QA-инженер; ▪ специалист в области информационной безопасности; ▪ продукт-менеджер; ▪ специалисты по данным и аналитике (Data Scientist, Analytics Engineer) — бизнесаналитика, валидация моделей.
— Навыки и образование трансформируются под влиянием ИИ. Какие ключевые навыки стали критически важными для работников ИТ-сферы под влиянием ИИ?
А. Б.: Нам кажется, критически важными становятся: ▪ умение ставить задачу для ИИ и формулировать запрос; ▪ проверка результата, потому что ответ модели нельзя принимать без верификации; ▪ понимание ограничений ИИ и рисков ошибок; ▪ умение готовить данные и базу знаний для работы ассистентов; ▪ применение ИИ в разработке, аналитике, проектном управлении и поддержке пользователей; ▪ базовое понимание принципов работы больших языковых моделей, ИИ-агентов и машинного обучения.
Важен не абстрактный навык работы с ИИ, а способность встроить ИИ в конкретную профессиональную задачу.
С. М.: К критически важным навыкам я бы отнес:
• быстрое восприятие новых концепций и инструментов, работа с неопределенностью, способность к быстрой переквалификации;
• информационная безопасность, приватность и защита данных;
• работа с ИИ как с инструментом, промпт-инжиниринг;
• создание и управление ИИ-агентами;
• критическое мышление и валидация данных;
• базовые знания в смежных областях (работа на стыке ролей);
• работа с облачными платформами, MLOps и развертывание моделей;
• объяснимость и валидация моделей — интерпретируемость, тестирование, A/B-эксперименты.
— Под влиянием ИИ изменились модель найма и требования к кандидатам на ИТ-позиции?
С. М.: Мы не меняли модель найма. Но в требования к кандидатам мы включаем наличие навыков по работе с ИИ-моделями и проводим тесты по промпт-инжинирингу на наших стендах.
А. Б.: Навыки работы с ИИ становятся преимуществом для кандидата, особенно если он может показать, как использовал ИИ для анализа, разработки, подготовки документов, автоматизации рутинных задач или работы с данными.
Для большинства ИТ-позиций это пока не является жестким ограничивающим требованием. Мы исходим из специализации и уровня позиции.
Можно провести аналогию. Раньше навыки работы с офисными программами были базовым минимумом для многих специалистов. Сейчас похожую нишу начинают занимать навыки взаимодействия с ИИ-сервисами. Пока это конкурентное преимущество, но постепенно оно становится обычной частью профессиональной грамотности.
— Можете привести пример внедрения ИИ, которое дало наибольший эффект, и пример неудачного внедрения?
А. Б.: Заметный эффект дала интеграция сервиса распознавания речи с постобработкой LLM в информационную систему «1С-Рарус». Эффект проявился не только в экономии времени на подготовку материалов по итогам встреч, но и в росте объема сохраненной информации, с которой можно работать дальше: возвращаться к тексту, использовать его для протоколов, требований, писем, задач и управленческих выводов. Только за первый квартал 2026 года сотрудники компании распознали более 5 тыс. часов записей, и эта динамика продолжает расти.
Еще один показательный пример — робот-кассир: ИИ-касса на базе компьютерного зрения для столовых с линией раздачи. Устройства уже работают на реальных объектах и ежедневно распознают более 2 тыс. чеков с блюдами, хотя мы не так давно начали продажи. Другой пример — модуль «Распознавание паспорта», который ускоряет процесс заселения гостя в отеле за счет локального распознавания документов и автоматического заполнения карточки.
Уже сейчас языковые модели также выполняют классификацию входящих обращений по ряду направлений. Это позволяет ускорять маршрутизацию запросов и сокращать время получения ответа или помощи для клиентов. Похожий эффект мы ожидаем по итогам опытной эксплуатации речевой аналитики звонков и помощника подготовки ответов на базе знаний.
Был опыт неудачной автоматизации. Речь о первых внедрениях RAG-систем и ассистентов подбора ответов. Проблема была не в технологии, а в отсутствии достаточного объема качественных и структурированных материалов, на основании которых система могла бы давать точные ответы.
С. К.: В мобильном приложении CYPD, которое служит для контроля симптомов болезни Паркинсона, в 2023 году были внедрены технологии машинного зрения и алгоритмы оценки выполнения пациентом двигательных тестов. Это позволило: ▪ снизить субъективность оценки выполнения и трактовки результатов тестов; ▪ уменьшить количество очных приемов, в том числе пациентов, находящихся в сложном психологическом или физическом состоянии; ▪ собрать данные для ранней диагностики заболевания; ▪ вести оцифрованную историю динамики симптомов заболевания; ▪ осуществлять удаленный мониторинг пациентов; ▪ оценить эффективность применяемой терапии; ▪ проводить накопление и анализ массива данных; ▪ сформировать единую базу видеостандартов выполнения моторных тестов; Интервьюер: Светлана Власова Руководитель направления взаимодействия участников национальной системы квалификаций по вопросам международного сотрудничества Департамента регионального развития и международных связей Национального агентства развития квалификаций ▪ существенно сократить временные и финансовые затраты пациентов за счет дистанционного взаимодействия с врачами.
— Коллеги, благодарю вас за столь интересную беседу. Анзор Балкаров, Сергей Кондаков, Сергей Мамчур: благодарим за внимание.